Онлайн-обучение отличается от обучения в классе. Лучшие ресурсы у вас под рукой. Все, что вам нужно сделать, это появиться.

Я хотел изучить машинное обучение. Поэтому я потратил неделю на поиск лучших учебных ресурсов в Интернете.

Coursera продолжала появляться. Я никогда раньше этого не видел. Но это было знакомо. Девушка, которую я обслуживала в Apple Store, однажды рассказывала мне, как она будет смотреть видео на своем телефоне в поезде. Она показала мне приложение. Он был синим.

"Зачем?" Я спросил.

«Нет причин, я просто думаю, что всегда хорошо учиться чему-то».

Вы знаете, как в такие моменты кто-то говорит одно. Одно дело, и оно останется с вами навсегда.

Она вышла из магазина.

Несколько месяцев спустя, когда я проводил поиск, я нашел Coursera и вспомнил о ней. Ее слова прижились.

У меня было немного свободного времени, так как я ушел из Apple, и стартап, над которым мы работали, провалился.

Я собрал несколько курсов и создал свою собственную степень магистра искусственного интеллекта.

Создавая веб-сайт для нашего стартапа, я слышал только о машинном обучении и глубоком обучении. Здесь срыв, там инновации. И все благодаря тому, что компьютеры учатся сами. Самостоятельно? Как? Я должен был знать.

Курс машинного обучения Эндрю Нг

Это было первым. Было тяжело. Действительно сложно. Мне приходилось гуглить ответы несколько (почти) раз. В противном случае я бы перегорел.

Я почти ничего из этого не помню. Никакого кода, потому что он был в MatLab и Octave. Я не был поклонником интерфейса MatLab. Кроме того, я изучал Python на стороне.

Что я действительно отнял, так это страсть Эндрю к преподаванию. Его энергия для машинного обучения. Его энтузиазм по поводу искусственного интеллекта. Это вызвало у меня улыбку и растерло меня.

Иногда учитель, пробуждающий интерес к ученику, важнее самих знаний.

Если вы хотите заняться машинным обучением, этот курс учит некоторым основам. Я бы не стал сильно беспокоиться, если вы не сможете сдать задания по программированию. Я смотрел лекции, получал интуицию и использовал ее, чтобы подпитывать ваш следующий шаг обучения. Курс с Python.

Прикладная наука о данных с Python от Мичиганского университета

Когда я начинал инженером по машинному обучению, мои навыки исследования набора данных были не на должном уровне. Я потратил слишком много времени на создание сетей глубокого обучения для подготовленных наборов данных, вместо того, чтобы залезть в окопы и исследовать данные с нуля.

Этот курс помог мне изучить основные этапы исследовательского анализа данных (EDA).

Если вы хотите заняться наукой о данных и машинным обучением, вы, вероятно, обнаружите, что проводите много времени с помощью библиотеки Python Pandas, выполняющей EDA. И именно этому посвящена первая часть курса.

После того, как я закончил, я использовал свои навыки, чтобы принять участие в моем первом соревновании Kaggle. Соревнование закончилось, но я все же прошел. До этого Kaggle была одной из тех неуловимых вещей, которые я видел в упомянутых местах, но никогда не пробовал. Пока не сделал. Это побудило меня написать и снять видео о том, как другие могут сделать то же самое.

Из всех курсов, которые я прошел, «Прикладная наука о данных с Python» больше всего соответствовала тому, что я делаю изо дня в день как инженер по машинному обучению.

Оглядываясь назад, можно сказать, что этот курс должен был стать одним из первых, которые я выбрал, когда начал изучать машинное обучение / науку о данных.

deeplearning.ai с Эндрю Нг

Я поглощаю все, что выпускает Эндрю Нг. Мой стиль обучения очень соответствует его стилю преподавания.

Лучше всего я учусь, сочетая текст и визуальные эффекты. Эндрю делает и то, и другое на своих лекциях. Часто рисуют примеры поверх распечатанных конспектов лекций.

Этот курс научил меня основам глубокого обучения, а также тому, как их применять. Если прикладная наука о данных с Python - это базовый лагерь науки о данных Эвереста, то deeplearning.ai - это вершина.

В нем дается обзор и рабочие примеры концепций, связанных с компьютерным зрением (обучение компьютеров видеть), обработкой естественного языка (обучение компьютеров пониманию языка) и обнаружением разговорного языка (обучение компьютеров слышанию).

Между этими темами Эндрю делится своим богатым опытом и углубляется в математику и статистику глубокого обучения.

Бонус: Барбара Окли «Учимся учиться»

Этот курс должен быть обязательным для всех студентов. Я оставил это напоследок, но если бы мне нужно было начать заново, я бы сделал это первым. Стоит делать это ежегодно, чтобы обновляться.

Почему?

Потому что научиться учиться - это высший навык.

Если вы знаете методы и передовой опыт самообучения, вы можете применить их к чему угодно.

Некоторые из моих любимых (и тех, которые я использую ежедневно) были:

  • Таймеры Pomodoro, чтобы избежать откладывания на потом - установите таймер на 25 минут и ничего не делайте, кроме единственной задачи, стоящей перед вами, пока таймер не истечет. 6–10 таймеров в день для меня хороший день. Первые 4 минуты - это ад, но когда срабатывает таймер, не хочется останавливаться.
  • Сфокусированное и рассеянное мышление - сфокусированное мышление возникает, когда вы сосредотачиваетесь на одной задаче, рассеянное мышление возникает, когда вы не делаете ничего конкретного. Лучшее обучение происходит при пересечении этих двух. Вот почему так важно иметь перерывы и периоды времени, когда вы вообще ничего не делаете. Смартфона нет. Никаких социальных сетей. Дайте вашему мозгу пространство. Когда в вашем мозгу есть пространство, он может связывать вещи воедино. Вы когда-нибудь задумывались, почему некоторые из ваших величайших идей приходят к вам в душе? Это потому, что у вашего мозга есть пространство для размышлений.
  • Не нужно завидовать гениям - каждый должен с чего-то начать свое познавательное путешествие. И дело в том, что каждый мастер знает, что обучение никогда не прекращается. Всегда первый день. Чарльз Дарвин бросил колледж, который позже открыл теорию эволюции. Не думайте, что вы Чарльз Дарвин. Но также не думайте, что обучение прекращается после школы или колледжа.

Знание этого в старшей школе, вероятно, немного помогло бы моим оценкам. И, может быть, помешал мне провалить первые два года в университете.

Мне так понравился этот курс, что я снял о нем видео, в котором резюмировал остальные мои любимые выводы.

Остальные курсы здесь были основаны на моем интересе к машинному обучению и науке о данных.

Но я думаю, что вы получите кое-что из курса «Как учиться», чем бы вы ни занимались.

Биоинформатика Калифорнийского университета в Сан-Диего

Этого я еще не делал, но завтра начну.

Почему?

Потому что ничто не очаровывает меня больше, чем сочетание здоровья и технологий. Это в двух словах о биоинформатике.

Через несколько недель я бросил учебу. У меня было слишком много всего происходящего. И я совершил ошибку, получив больше сертификатов, вместо того чтобы использовать уже полученные знания. Может быть, однажды я вернусь.

Потому что это достаточная причина, чтобы чему-то научиться

Удивительно, что такие ресурсы доступны в Интернете. И Coursera - только одна из многих. Есть YouTube, Udemy, edX, Towards Data Science, множество бесплатной документации.

Это все еще меня заводит. Я могу сидеть в своей комнате или за обеденным столом в Брисбене, Австралия, и изучать именно то, что я хочу изучать. Что-то изначально преподавалось на расстоянии более 5000 миль.

Если вы хотите узнать что-то новое, вы можете. Все, что вам нужно сделать, это зарегистрироваться и продолжать появляться.

Причина тоже не нужна.

Я помню, как девушка в Apple Store повернулась ко мне и сказала:

Нет причин, я просто считаю, что всегда полезно чему-то учиться.

Лучше всего, если учитель не пробуждает у вас любопытство, как Эндрю Нг, или если материалы не соответствуют вашим ожиданиям, прелесть онлайн-обучения в том, что вы всегда можете попробовать что-то еще. Что-то, что действительно пробуждает ваше любопытство. Что-то, что согласуется с тем, как вы учитесь.

Почему?

Потому что.